Buzz 实战指南：免费离线转录，把本地语音转成文字和字幕
【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAI's Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz
Buzz 是一款免费开源的离线转录与音频翻译桌面应用。它基于 OpenAI 的 Whisper 模型在你自己的电脑上运行，音频全程本地处理、不上传云端，适合需要把会议录音、视频内容、讲座音频变成文字和字幕的人。
这几个痛点，Buzz 恰好能解
录音涉及敏感内容，不想交给云端。大多数在线转写服务要求你把音频上传到服务器。Buzz 的转录和翻译全部在本地机器上完成，音频文件不出你的电脑。
按分钟计费的转写服务，量大就贵。Buzz 免费、不限时长、不限次数，转一天讲座和一个 30 秒的语音条，成本一样：零。
做字幕要串好几款工具。抽音轨、转写、对时间戳、导出 SRT，传统流程每步都得换工具。Buzz 在一个窗口里走完整个流程，视频文件直接丢进去就能出字幕文件。
现场活动时，字要立刻能看。开会、讲座、访谈时，你可以边录边出字，还能打开演示窗口把实时文字投到大屏上。
机器配置一般，不知道该用哪个模型。它内置 Whisper、Whisper.cpp、Faster Whisper、Hugging Face 四类后端，从只有核显的笔记本到带显卡的台式机都能跑，选错后端也不会卡死。
装起来：安装包、PyPI 与命令行三条路
图形界面：下载安装包，装完就能用
macOS 用户下载 .dmg 安装包（注意现在仅支持 Apple 芯片机型）；Windows 用户下载对应的安装文件；Linux 用户直接一条命令装 Flatpak 版：
flatpak install flathub io.github.chidiwilliams.Buzz完成信号：启动后看到主窗口，中间是一张任务表，包含文件、模型、任务、状态四列。导入一个文件后，这一行会出现在表里，状态列显示 Queued。
从 PyPI 安装：两条命令跑起本地转录
这条路径适合开发者。前提是系统里已装好 ffmpeg，并且使用 Python 3.12 环境：
pip install buzz-captions python -m buzz完成信号：
python -m buzz弹出和安装包版本相同的主窗口；或者终端运行buzz --version能打印出版本号。
提示：PyPI 装出来的是 CPU 版 PyTorch，Nvidia 显卡用户想要 GPU 加速需要按 README 中文说明 另行安装 CUDA 版 torch，具体见后文常见问题。
命令行：一条 buzz add 直接出字幕
装好之后（PyPI 方式会自动带上 CLI），不打开界面也能干活：
buzz add -m whispercpp -s medium -l zh --srt meeting.mp3这条命令的含义：用 Whisper.cpp 后端的 medium 模型，按中文转写meeting.mp3，结果输出为 SRT 文件。想同时要 VTT 就加--vtt，想只出纯文本就换成--txt。还支持一次传多个文件，或把整个目录打包处理：
buzz add --srt --output-directory ./subtitles recordings/*.mp4完整参数（含 90 多种语言代码、初始提示词、单词级时间戳等）都在 CLI 参数文档 里。
完成信号：源文件同目录下多出了一个同名的 .srt 文件（输出目录默认为输入文件所在目录），用文本编辑器打开能看到带序号和时间轴的字幕条目。
实战场景：从视频字幕到会议实录
场景一：把视频音轨变成 SRT 字幕
目标：拿到一份能直接拖进剪辑软件的字幕文件。
- 在主窗口用工具栏的加号按钮导入视频文件，Buzz 会自动抽取音轨，你不需要自己转格式。
- 选中任务行，把任务设为 Transcribe，语言填中文，模型按机器性能选 small 或 medium，点运行。
- 转写完双击任务打开转录查看器，底部有播放条，点击某一行就能跳到对应时间点，边听边核对文字。
- 在顶部 Export 菜单导出 SRT 或 VTT。
产出：一个带精确时间戳的字幕文件。安静环境下 small 模型准确率就够用；环境嘈杂或语速快，升到 medium 再跑一遍更稳。
场景二：会议实时录音，边说边出字 🎙️
目标：开会时同步产出带时间戳的文字记录。
- 点工具栏的麦克风按钮，切到实时录音模式。
- 依次选择任务（Transcribe）、语言、模型和麦克风。这里建议用 Whisper.cpp 后端加 small 甚至 base 模型，因为默认 Whisper 后端对资源消耗很大，实时跑会拖慢队列。
- 点 Record 开始，下方面板随语音滚动出文字。
- 需要投屏时，点录音中出现的 Presentation window 选项，打开独立演示窗口把实时文字放大展示。
- 结束录音后保存，如果是多人发言，还可以对结果做说话人识别，把"谁说了什么"标注清楚。
产出：一份带时间戳的会议文字稿，可导出 TXT 或 SRT，之后还能翻译成其他语言归档（翻译功能需要配置一个支持 OpenAI API 的接口，见 翻译文档）。实时模式下"追加并纠正"模式可通过调整转录步长在延迟和负载之间取舍，详见 实时录音文档。
场景三：批量转录整个文件夹 📦
目标：几十个录音文件不点鼠标，自动处理完。
- 打开 Preferences 的 Folder Watch 选项卡，指定一个监视目录。
- 之后任何新的音频文件落进这个目录，Buzz 会自动建任务并开始转录。
- 如果你更喜欢脚本而不是守着 GUI，用前面提到的
buzz add --srt --output-directory ./subtitles recordings/*.mp4一条命令处理整个目录，写进 shell 脚本或 CI 任务里即可。
产出：输出目录里与源文件一一对应的字幕或文本文件。注意批量任务按顺序排队执行，机器性能有限时把模型调小，整批跑完的时间会明显缩短。
常见问题
转录速度太慢，卡在哪了？
原因通常是模型对当前机器偏大，或者后端没吃到 GPU。⚡ 先降模型档位：tiny 或 base 比 large 快一个量级，精度损失在多数场景可接受。再换后端：Whisper.cpp 支持 CUDA 和 Vulkan 加速，Nvidia 显卡、其他品牌显卡、甚至只有核显的机器都能利用上。Windows 官方安装包自带 CUDA 12 运行时，Nvidia 显卡开箱即用。
Windows 安装时弹出安全警告，要紧吗？
不要紧。原因是安装包没有做代码签名，Windows 对未签名程序一律先警告。点"更多信息"再选"仍要运行"即可，这是预期行为，和中毒无关。
专有名词和术语老是认错？
原因是模型缺少领域上下文，或者语言自动检测判错了。两个办法配合使用：一是在高级设置里填初始提示词（CLI 对应-p参数），把常出现的术语、人名写进去，模型会优先按这些词来听；二是语言已知的情况下手动指定，别用自动检测，检测本身有概率出错。
PyPI 装的版本 GPU 不生效？
原因是 pip 默认装的是 CPU 版 torch。Windows 上按 README 说明改装 CUDA 版 torch 和对应 cu12 运行库（README 里给了现成的安装命令）；Linux 上 Nvidia 显卡开箱即用，如果仍有问题检查 CUDA、cuBLAS、cuDNN 是否装齐。
完全断网的电脑也能转录吗？
能。前提是在有网的机器上先把模型下载好，然后整份拷贝到离线机器的同一位置：Linux 在~/.cache/Buzz，macOS 在~/Library/Caches/Buzz，Windows 在%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache。在"帮助 → 偏好设置 → 模型"里下载过一个模型后点 Show file location 就能找到这个目录，仓库里也有 scripts/download-models.py 脚本帮你提前备好离线模型缓存。
二次开发：从这两个目录入手
想接新后端，看 buzz/transcriber/，Whisper、Whisper.cpp、Faster Whisper 各占一个文件，抽象层很薄；想加插件，看 buzz/plugins/，AI 摘要、DOCX 导出、字幕时长自动调整等内置插件都长在那里，照着 base.py 的接口写即可。
继续往下走
更完整的操作细节在 官方文档 里，按场景分篇写得比较细，遇到具体功能可以先去那边翻。发现 bug 或有改进想法，直接到项目 Issues 页面提交，维护者的响应频率很高。
【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAI's Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
